《Advanced Science》:Synaptic κ-Ga2O3 Photodetectors for Privacy-Enhancing Neuromorphic Computing
编辑推荐:
为解决传统边缘计算硬件在功能碎片化、能耗、安全与隐私方面的挑战,研究人员报道了一种基于κ相氧化镓(κ-Ga2O3)持久光电导效应的多功金属-半导体-金属(MSM)神经形态光电探测器。该器件将紫外(UV)传感、突触记忆、硬件级认证和神经形态计算功能集成于单一器件。通过利用器件固有的响应差异,结合混合一维深度嵌入网络(EmbedNet)实现了高精度硬件认证(AUC约0.97);同时,将器件导纳状态映射到量化感知训练(QAT)的人工神经网络(ANN)和泄漏积分点火(LIF)脉冲神经网络(SNN),在MNIST任务上分别实现了98.17%和96.80%的准确率。这项工作为构建紧凑、智能、隐私增强的下一代边缘光电子硬件提供了材料支撑。
物联网(IoT)的快速扩张,使得数以亿计、遍布各处的传感节点得以部署,但随之而来的海量边缘数据处理给传统的云计算架构带来了延迟、能耗和数据隐私的严峻挑战。边缘计算范式应运而生,旨在让数据“就地”处理。然而,实现智能边缘系统的一个关键障碍在于传统硬件架构的功能割裂:传感、存储、计算和认证通常由不同组件完成,这不仅增加了系统的复杂性和功耗,也使其更易受到物理和网络攻击。现有的安全方案多依赖软件加密,在设备量巨大的边缘场景下难以扩展,且易在硬件被侵入或克隆时失效。这促使科学家们探索一种全新的器件概念,希望将多种功能“原生”地融合在硬件层面,从而实现数据本地化处理和硬件根植的安全认证。
神经形态电子与光电子器件为解决这些挑战提供了一个极具吸引力的框架。这类器件受生物神经元和突触启发,能够模拟依赖时间的非线性行为,如短期促进、长期增强等,从而直接在器件的物理状态中编码、存储和处理信息,实现高能效的存内计算和事件驱动计算。特别是光电子突触器件,它结合了光学传感与突触可塑性,有望成为能够感知和处理光信号的智能传感器,而无需复杂的外围电路。在这种背景下,具有宽禁带乃至超宽禁带特性的半导体材料为神经形态光电子学提供了独特机遇。其中,κ相氧化镓(κ-Ga2O3)因其宽带隙、固有的日盲紫外(UV)敏感性和与可扩展薄膜生长技术的兼容性而备受关注。更重要的是,κ-Ga2O3表现出显著的持久光电导效应,这种源于缺陷介导的载流子捕获与释放过程的、长寿命的光电导响应,天然地提供了记忆功能,并能对光刺激进行时间积分,从而模拟了成对脉冲促进、长期增强等关键突触行为。尤为有趣的是,由于对缺陷敏感,即使在相同工艺下制造的κ-Ga2O3光电探测器,其光电导动力学也存在可重复的、器件间的差异性。这种固有的差异性非但不是缺陷,反而可以被用作硬件级认证的物理独特性来源。在相同的紫外光激发下,每个器件都会产生一个反映其微观缺陷特征的、独特且稳定的时间光电响应“签名”,这为硬件认证提供了物理基础,类似于物理不可克隆函数,而无需额外的安全电路或存储的数字密钥。同时,PPC效应和κ-Ga2O3光电探测器中可访问的多级导纳状态,也暗示了其在传感和认证之外,具备神经形态推理的潜力。其渐进的导纳调制和长衰减时间可映射为突触权重状态,从而支持在硬件约束下实现人工和脉冲神经网络。
为验证这一构想,研究人员发表在《Advanced Science》上的工作系统地研究了基于κ-Ga2O3的多功能光突触器件。他们首先利用分子束外延在GaN/AlN/蓝宝石衬底上生长了高质量的κ-Ga2O3薄膜,并通过X射线衍射、扫描透射电子显微镜、原子力显微镜和开尔文探针力显微镜等表征手段确认了材料的晶体质量、表面形貌和PPC效应的物理起源。接着,他们采用金属-半导体-金属结构制造了光电探测器,并系统测量了其在260纳米紫外光脉冲下的光电响应和突触特性,包括光电响应度、成对脉冲促进指数等。为了评估器件级认证的可行性,他们采集了多个器件在相同脉冲紫外光照射下的时间序列光电响应度数据,并利用一个混合一维深度嵌入网络进行硬件级身份验证。为了评估所提出的突触光电探测器在神经形态推理方面的潜力,他们基于从PD中提取的16个导纳水平,构建了一个模拟的脉冲神经网络框架。他们首先在MNIST数据集上训练了一个基准全连接人工神经网络,随后使用4位量化感知训练对其进行重新训练,并将量化后的权重映射到κ-Ga2O3PD的导纳状态。最后,他们将量化后的人工神经网络转化为使用泄漏积分点火神经元和替代梯度学习的脉冲神经网络。
3.1 Synaptic κ-Ga2O3PDs生长与制备:研究成功在650°C下于GaN/AlN/蓝宝石衬底上外延生长了高质量的κ-Ga2O3薄膜,其表面均方根粗糙度仅为1.49纳米,界面清晰,晶体结构为斜方晶系Pna21对称性。开尔文探针力显微镜测试揭示了材料在正负偏压载流子注入后的表面电位动态弛豫过程,证实了深能级缺陷对载流子的捕获与释放是PPC效应的物理起源。基于此材料制造的MSM光电探测器在260纳米紫外光照射下表现出显著的光电突触行为,在3V偏压下最高响应度达23.79 A W?1,在1-5V偏压范围内,成对脉冲促进指数稳定在110%至116%之间。在稳定4 Hz的光脉冲刺激下,光电流持续累积,展现了从短时程可塑性向长时程可塑性过渡的类学习-遗忘周期。2O3光电探测器在暗态和260纳米光照下的I-V特性曲线,插图为器件SEM图像。(c) 光电响应度随施加电压的变化,插图为制作的κ-Ga2O3光电探测器示意图。(d) 由单个5秒、1832 μW cm?2的260纳米光脉冲诱导的光电流。(e) 在1V偏压下,由稳定4 Hz光脉冲触发的光响应,插图为不同偏压下的PPF指数。">
3.2 器件级认证:研究人员利用器件在相同光脉冲刺激下产生的、具有器件特异性的时间光电响应签名进行硬件认证。他们设计了一种混合一维深度嵌入网络,该网络同时处理原始信号及其预处理版本、一阶和二阶时间导数这四个时间通道,并结合了从器件动力学中提取的手工物理描述符。在网络训练中,他们采用了严格的跨周期协议,即训练、验证和测试数据来自不同的测量周期,以确保模型学习的是器件固有的指纹而非特定测量实例。该认证系统在测试中达到了约0.97的受试者工作特征曲线下面积,错误接受率(FAR)为0.1156,错误拒绝率(FRR)为0.0765,等错误率(EER)为0.0985。相似度距离分布分析表明,同一器件在不同周期内的响应距离均值(0.183)远小于不同器件间的距离均值(1.032),证明了器件签名在存在周期性波动的情况下仍具有高度的可区分性,适用于基于物理不可克隆函数的可靠设备认证。
3.3 面向神经形态计算的硬件感知模拟框架:在验证了器件级认证的有效性后,研究进一步探索了该器件在神经形态计算中的潜力。通过施加1到16个连续光脉冲,单个器件的电导可以从4.7834×10?6S逐步、清晰可辨地增加至5.4121×10?6S,形成了16个稳定的、可重复的电导水平。研究人员将这些实验测量的电导状态映射到神经网络中的突触权重。他们首先构建了一个用于MNIST手写数字分类的全连接人工神经网络,经量化感知训练后,在权重被约束为16个离散水平的情况下,分类准确率达到98.17%,甚至超过了其浮点基准模型(97.87%)。随后,该量化人工神经网络被转化为使用泄漏积分点火神经元和替代梯度训练的脉冲神经网络,在相同任务上达到了96.80%的准确率,性能下降极小。针对MSM结构器件无法通过施加正向偏压来降低电导(即无法实现单向器件内的双向权重调制)的限制,研究提出了一种差分读出架构,即用两个光电探测器配对构成一个突触的G+和G?分支,通过差分信号实现有效的双向权重表示,同时支持可编程的突触加权和稳健的设备认证。
综上所述,这项研究展示了κ-Ga2O3光电探测器作为一种多功能光突触器件在智能光电子系统中的全面潜力。该工作不仅成功制备并表征了具有显著光电突触行为的κ-Ga2O3MSM光电探测器,更关键的是,它创新性地利用了器件固有缺陷导致的时间响应变异性,通过先进的深度学习网络实现了高精度的硬件级物理认证。同时,研究将器件的多级光电导状态成功地映射到神经网络的离散权重,并通过硬件感知的模拟框架验证了其在典型分类任务上的高效推理能力。通过在一个宽禁带材料平台内共位集成传感、记忆、认证和推理功能,这项工作为实现紧凑、智能且能增强隐私保护的下一代边缘智能光电子硬件提供了一个极具前景的器件构建模块,为开发数据本地化处理与硬件根植安全一体化解决方案开辟了新的材料实现途径。